Dopamine transporter single-photon emission computed tomography-derived radiomics signature for detecting Parkinson’s disease
Notice bibliographique
Résumé
Abstract Background We hypothesised that the radiomics signature, which includes texture information of dopamine transporter single-photon emission computed tomography (DAT-SPECT) images for Parkinson’s disease (PD), may assist semi-quantitative indices. Herein, we constructed a radiomics signature using DAT-SPECT-derived radiomics features that effectively discriminated PD from healthy individuals and evaluated its classification performance. Results We analysed 413 cases of both normal control (NC, n = 101) and PD ( n = 312) groups from the Parkinson’s Progression Markers Initiative database. Data were divided into the training and two test datasets with different SPECT manufacturers. DAT-SPECT images were spatially normalised to the Montreal Neurologic Institute space. We calculated 930 radiomics features, including intensity- and texture-based features in the caudate, putamen, and pallidum volumes of interest. The striatum uptake ratios (SURs) of the caudate, putamen, and pallidum were also calculated as conventional semi-quantification indices. The least absolute shrinkage and selection operator was used for feature selection and construction of the radiomics signature. The four classification models were constructed using a radiomics signature and/or semi-quantitative indicator. Furthermore, we compared the classification performance of the semi-quantitative indicator alone and the combination with the radiomics signature for the classification models. The receiver operating characteristics (ROC) analysis was used to evaluate the classification performance. The classification performance of SUR putamen was higher than that of other semi-quantitative indicators. The radiomics signature resulted in a slightly increased area under the ROC curve (AUC) compared to SUR putamen in each test dataset. When combined with SUR putamen and radiomics signature, all classification models showed slightly higher AUCs than that of SUR putamen alone. Conclusion We constructed a DAT-SPECT image-derived radiomics signature. Performance analysis showed that the current radiomics signature would be helpful for the diagnosis of PD and has the potential to provide robust diagnostic performance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».